文章 "您应当知道的 MQL5 向导技术（第 13 部分）：智能信号类 DBSCAN"

新评论
 

新文章 您应当知道的 MQL5 向导技术（第 13 部分）：智能信号类 DBSCAN已发布：

《基于密度的空间聚类参与噪声应用》是一种无监督的数据分组形式，除 2 个参数外，几乎不需要任何输入参数，比之其它方式，譬如 k-平均，这是一个福音。我们深入研究使用由向导组装的智能系统如何在测试、及最终交易时起到建设性作用。

这些关于 MQL5 向导的系列文章，是关于现实中其它领域的数学抽象概念何为何常常令交易系统充满活力，并在据其做出任何严肃承诺之前进行测试或验证。采取简单、且未完全实现、或设想中的思路，来探索它们作为交易系统潜力的能力，是由 MQL5 向导组装智能系统表现出的瑰宝之一。向导的专家类提供了智能系统所需的众多平凡功能，尤其是与开仓和平仓交易有关，但也涉及被忽视的层面，像是仅在新柱线形成时执行决策。

故此，保留该流程库作为智能交易系统的一个独立方面，依靠 MQL5 向导，不仅能够独立测试任何思路，而且在某种同等地位上与正在考虑的任何其它思路（或方法）进行比较。在这些系列中，我们查看了替代聚类方法，例如聚合聚类和 k-均值聚类。

在每种方式中，于生成相应的聚类之前，所需的输入参数之一是要创建的聚类数量。这实质上假设用户精通数据集，且不会探索或查看不熟悉的数据集。利用《基于密度的空间聚类参与噪声应用》（DBSCAN），形成的聚类数量是一个“被看重的”未知数。这不仅在探索未知数据集、和发现其主要分类特征方面提供了更大的灵活性，而且还允许检查任何给定数据集上现有的“偏差”、或普遍持有的观点，以致假设的聚类数量是否可以验证。

只需取两个参数，即 “ε（epsilon）”，其为聚类当中点位之间的最大空间距离；以及构成聚类所需的最小点位数量，DBSCAN 不仅能够从采样数据中生成聚类，还可以判定这些聚类的相应数量。为了致敬其非凡壮举，相较于替代方式，也许查看它能执行的一些聚类会有所帮助。

根据媒体上的这篇公开文章，DBSCAN 和 k-均值聚类能由其定义给出这些单独的聚类结果。 

对于 k-均值聚类，我们将得到：


而 DBSCAN 将给出：

作者：Stephen Njuki

新评论